Генерализация данных при расчете интраокулярных линз с использованием ИНС-моделей

Аннотация

Исследуется возможность использования математических моделей, полученных в результате глубокого обучения искусственных нейронных сетей (ИНС-моделей) для прогнозирования оптической силы современных интраокулярных линз (ИОЛ), широко используемых при хирургическом лечении миопии в офтальмологии. Отличительной особенностью таких ИНС-моделей по сравнению с известными формулами SRK II, SRK/T, Hoffer-Q, Holladay II, Haigis, Barrett является возможность учета значительного числа регистрируемых входных величин, что позволило снизить среднюю относительную погрешность расчетов оптической силы ИОЛ с 10–12 % до 3,5 %. ИНС-модели обучали на значительных по объемам выборках, включающих обезличенные данные для 455 пациентов. Полученные ИНС-модели, в отличие от традиционно используемых формул, в значительно большей степени отражают региональную специфику пациентов, делают возможным переучивание и оптимизацию структуры модели на основе вновь поступающих данных, что делает возможным учитывать нестационарность объекта. Использование данного приема позволяет построить интеллектуальную экспертную систему с непрерывным поступлением новых данных из источника и поэтапным переучиванием ИНС-модели. Основные проблемы, возникающие при конструировании такой экспертной системы, обсуждаются в статье. Для удобного построения ИНС-моделей и их машинного обучения использовали программу-симулятор, ранее разработанную авторами данной статьи, а также средства языка Python в Google Colaboratory. При обучении моделей на основе эмпирических данных были выбраны следующие методы оптимизации: метод стохастического градиента, простой градиентный метод и безградиентные методы покоординатного спуска Гаусса — Зейделя и Монте — Карло, которые использовали в интерактивном режиме.